Article Per Year (5 Year)
p-Index From 2019 - 2024
4.621
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika) Jurnal Teknologi Ilmu Komputer AMMA : Jurnal Pengabdian Masyarakat
Danar Dana, Raditya
Unknown Affiliation
Humanities Chemistry Computer Science & IT Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

Published : 37 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 35 Documents
Search
Journal : JATI (Jurnal Mahasiswa Teknik Informatika)

 1   2   3   4 
IMPLEMENTASI SISTEM INFORMASI PENGOLAHAN JADWAL MATA PELAJARAN DI MTS WIJAYA SURYA BERBASIS WEBSITE Gunawan Rahmat, Gun Gun; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9100

Abstract

Pendidikan merupakan landasan penting bagi pengembangan karakter dan potensi sumber daya manusia. Proses yang masih bersifat manual seringkali menimbulkan kesalahan, ketidakakuratan, dan membutuhkan waktu yang lama. Sebagai lembaga pendidikan, sekolah mempunyai peranan strategis dalam menyediakan lingkungan yang mendukung proses pembelajaran. Sebagai lembaga sekolah menengah, Permasalahannya MTs Wijaya Surya masih manual dalam mengelola jadwal mata pelajaran dan dibutuhkan sistem untuk mengelola jadwal mata pelajaran siswa berbasis website. Tujuannya dengan adanya sistem informasi untuk mata pelajaran berbasis website merupakan sebuah langkah maju dalam upaya meningkatkan efisiensi dan keakuratan pengelolaan jadwal. Dengan penerapan teknologi web, pengelola sekolah, guru, dan siswa dapat mengakses dan memperbarui informasi jadwal secara real time, meminimalkan potensi konflik jadwal dan memberikan transparansi informasi kepada semua pihak. masalah yang muncul mencakup bagaimana membangun sistem informasi penjadwalan mata pelajaran yang efektif untuk mengatasi kompleksitas dalam manajemen jadwal pendidikan di MTs Wijaya Surya, bagaimana menyajikan jadwal mata pelajaran dengan tata letak yang baik sehingga dapat dipahami dengan mudah oleh para pengajar, memastikan keterbacaan dan keteraturan yang mendukung kelancaran kegiatan pembelajaran. masalah ini menjadi dasar untuk mengarahkan pengembangan sistem informasi yang responsif dan efisien dalam manajemen jadwal pendidikan di lingkungan MTs Wijaya Surya. Metode yang digunakan dalam penelitian ini adalah Waterfall untuk membuat Sistem Informasi Pengolahan Jadwal Mata Pelajaran Siswa Berbasis Website di MTs Wijaya Surya yang menggunakan bahasa pemrograman PHP dan database MySQL. Hasil penelitian ini adalah sebuah website sistem informasi yang mudah digunakan dan membuat pengelolaan jadwal yang terstruktur dalam website.
DETEKSI SMS SPAM BERBAHASA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Arif Sofyan, Mohamad; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9532

Abstract

Setiap individu membutuhkan akses informasi untuk memperluas pengetahuan mereka tentang berbagai hal. Salah satu metode yang populer dalam mengalirkan informasi adalah melalui layanan Short Message Service (SMS), Namun, penggunaan SMS dapat menimbulkan masalah dengan munculnya SMS spam (Sending and Posting Advertisement in Mass). SMS spam merupakan pesan teks yang tidak diinginkan atau diminta, seperti iklan, jasa, dan potensi penipuan yang dapat merugikan pengguna. Indonesia tercatat sebagai negara di Asia dengan jumlah pesan spam tertinggi pada tahun 2020. Untuk meminimalisir korban pesan spam di Indonesia, berbagai pendekatan perlu dilakukan, salah satunya melalui penyaringan spam SMS dengan cara mengklasifikasi SMS spam, algoritma yang dapat digunakan dalam masalah klasifikasi adalah Support Vector Machine (SVM). Serta menerapkan metode CRISP-DM (Cross Industry Standard Process for Data Mining) untuk mengembangkan model yang dapat memprediksi pesan spam atau normal, model yang sudah dibangun akan diimplementasikan kedalam Aplikasi Deteksi SMS Spam berbasis Streamlit, yang memungkinkan pengguna dapat dengan mudah menguji pesan SMS yang mereka terima, untuk mengidentifikasi apakah pesan tersebut termasuk dalam kategori spam atau normal. Hasil penelitian ini menunjukan bahwa model SVM yang telah dibangun berjalan dengan baik dengan menghasilkan tingkat accuracy sebesar 96,94%.
PENERAPAN DATA MINING UNTUK CLUSTERING PENYAKIT DIARE MENGGUNAKAN ALGORITMA K-MEANS: STUDI KASUS: PUSKESMAS BEBER Kholil, Kholil AldiYatna; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9616

Abstract

Masih menjadi tantangan utama di Indonesia, termasuk di Kabupaten Cirebon, penyakit diare terus meningkatkan kekhawatiran kesehatan. Puskesmas Beber Cirebon mengalami lonjakan kasus diare yang mencolok dalam beberapa tahun terakhir. Selain jumlah penderita yang meningkat, penelitian ini juga menyoroti kurangnya pemahaman tentang pola, karakteristik, dan penyebaran diare di daerah Beber. Penelitian ini bertujuan untuk menganalisis dan mengelompokkan data diare di wilayah kerja Puskesmas Beber menggunakan teknik data mining dengan algoritma K-Means. Data dari rekam medis pasien Puskesmas Beber yang menderita diare dianalisis dan dikelompokkan ke dalam 3 cluster menggunakan algoritma K-Means. Hasilnya menunjukkan nilai K optimal adalah 3, dengan cluster 0 memiliki jumlah kasus tertinggi (386 kasus), diikuti oleh cluster 1 (132 kasus) dan cluster 2 (61 kasus).Temuan ini memberikan wawasan penting tentang pola dan faktor risiko diare di wilayah tersebut, berpotensi untuk meningkatkan diagnosis, penanganan, dan pencegahan diare. Penerapan data mining pada rekam medis juga dapat meningkatkan manajemen informasi di Puskesmas, efisiensi layanan kesehatan, dan mendukung kebijakan penanggulangan penyakit yang lebih terarah. Secara keseluruhan, penelitian ini memberikan kontribusi metodologis dan praktis yang berharga dalam upaya mengatasi masalah diare di tingkat lokal atau Puskesmas
PENERAPAN ASOSIASI UNTUK MENGANALISA PENJUALAN BARANG MENGGUNAKAN ALGORITMA FP-GROWTH Tri Suryani, Juliani; Rahaningsih , Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9750

Abstract

Dalam dunia bisnis yang sangat kompetitif saat ini, para pelaku bisnis dituntut untuk selalu mengembangkan usahanya dan selalu bertahan dalam persaingan. Untuk mencapai tujuan tersebut, ada beberapa hal yang dapat dilakukan yaitu meningkatkan kualitas produk, memperbanyak jenis produk, dan menurunkan biaya operasional perusahaan. Untuk memenuhi kebutuhan tersebut, beberapa upaya dapat dilakukan, salah satunya adalah menganalisis data perusahaan. Ada banyak algoritma atau metode yang dapat digunakan dalam data mining, salah satunya adalah algoritma apriori yang termasuk dalam aturan asosiasi dalam data mining. Data mining adalah disiplin ilmu yang mempelajari teknik untuk mengekstraksi informasi berguna dan berharga dari pola, statistik, dan basis data, yang harus memiliki data transaksi penjualan. Data asli yang digunakan dalam penelitian ini masih baru yaitu data transaksi penjualan pada bulan Maret sampai September 2023. Namun karena kurangnya pengelolaan persediaan yang baik, seringkali timbul permasalahan ketika barang yang diinginkan konsumen sudah habis atau tidak tersedia. Dengan menerapkan konsep Association analisis mining untuk mengolah data transaksi penjualan berupa item set, hasil yang diperoleh menunjukkan nilai support dari setiap item, menggabungkan item sehingga membentuk nilai keyakinan untuk item yang sering dikumpulkan. Algoritme apriori yang dirancang untuk menemukan kumpulan item yang sering muncul dalam kumpulan data. Algoritma ini menggunakan aturan asosiasi untuk mengidentifikasi pola barang dagangan yang sering dibeli dalam data transaksi. Tujuan dari tugas akhir ini adalah untuk mengetahui apakah algoritma FP-Growth dapat mengembangkan strategi penjualan dan pemasaran. Penelitian ini menghasilkan kombinasi pola penjualan produk baju dewasa dan baju anak yang sudah dilakukan perhitungan menggunakan RapidMiner, hasil kombinasi pola penjualannya yaitu : apabila pelanggan membeli Daster maka pelanggan juga akan membeli Baju Tidur Lengan Pendek Wanita Dewasa dengan nilai support 66,8 % dan nilai confidance 96,7% lift ratio 1,098. Kesimpulannya dengan menggunakan data mining, suatu toko dapat mengetahui preferensi pembeli dan mengetahui barang apa yang sering dibeli.
SENTIMEN ANALISIS PERILAKU PENGGEMAR COLDPLAY DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES Abdillah Fudholi, Luthfi; Rahaningsih, Nining; Danar Dana, Raditya
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 3 (2024): JATI Vol. 8 No. 3
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i3.9827

Abstract

Penelitian ini bertujuan untuk memahami sentimen dan perilaku penggemar Coldplay di Twitter. Data tweet dikumpulkan, diolah, dan diklasifikasikan menggunakan metode Naïve Bayes. Hasil penelitian ini diharapkan memberikan manfaat bagi Coldplay, peneliti, dan industri musik dalam memahami perilaku penggemar dan meningkatkan strategi pemasaran. Dalam penelitian ini, digunakan metode Naive Bayes untuk menganalisis perilaku pendukung Coldplay di Twitter. Data awal dikumpulkan dengan mengumpulkan tweet yang mengandung kata kunci yang relevan selama periode waktu tertentu. Kemudian, dilakukan teknik pemrosesan lanjutan seperti eliminasi stopword, normalisasi kata, dan stemming. Tweet-tweet tersebut diklasifikasikan menjadi dua kategori berdasarkan sentimennya: positif dan negatif. Dengan kemampuan untuk mengelola data dalam jumlah besar, metode Naive Bayes melakukan klasifikasi sentimen dengan memprediksi kategori melalui perhitungan probabilitas berdasarkan teorema Bayes dan asumsi independensi fitur. Kumpulan data yang telah dianotasi secara manual digunakan untuk melatih model dan menentukan parameter yang diperlukan dalam perhitungan probabilitas. Hasil analisis menunjukkan distribusi sentimen penggemar Coldplay di Twitter, yang mencerminkan popularitas dan penerimaan terhadap konten yang terkait dengan band. Penelitian ini menganalisis sentimen dan perilaku penggemar Coldplay di Twitter menggunakan metode Naive Bayes. Hasilnya menunjukkan akurasi model sebesar 80.25% dalam mengidentifikasi 29 perilaku positif dan 36 perilaku negatif, namun terdapat bias terhadap prediksi negatif.
Co-Authors Abdillah Fudholi, Luthfi Agustina, Inggit Andriyanti, Rina Arif Sofyan, Mohamad Awaliyah, Lia Aziz Rafi, Muhamad Azizah, Maulidina Deva Rian, Rananda Dienwati Nuris, Nisa Elfrida Ratnawati Fajar, Miftahul Gita Budiarti, Mariani Gunawan Rahmat, Gun Gun Gustipartsani, Kamaludin Hafizh Fakhriza, Muhammad Hayati, Umi Imam Muarif, Tiar Irma Purnamasari, Ade Kaswandi, Adi Kholil, Kholil AldiYatna Kurmasih, Masih Lathifah, Umi Lidia Putri, Teneshya Mamluatul Hikmah, Lulu Maulana, Ajay Maulana, Guruh Maulidiyani, Nurul Muhamad Andika, Agus Mulyana, Krisna Munawar, Adi Nafilah, Mala Nining Rahaningsih Novita Safitri Nur Afrilia, Mela Oop Sofiyah, Siti Parahita, Parahita Qodri M.A, M. Alifia R., Nining Rahaningsih , Nining Rinaldi Dikananda, Arif Roghib, Moh. Saeful Anwar, Saeful Soni, Moh Suarna, Nana Sutra Safira, Meita Syafi’i Bachtiar, Mochammad Tri Suryani, Juliani Yudhistira Arie Wijaya Yulia Mustafa, Iva